1. 为什么“AI CAD”看起来很美落地却处处碰壁过去两年我参与过三个跟“AI 辅助 CAD”相关的内部项目也帮朋友的公司做过几次技术选型评估。一个非常明显的感受是Demo 满天飞工程走不通。你在网上能看到大量“上传一张户型图自动生成 DXF”“用自然语言画齿轮”“AI 一键改图”的演示视频评论区一片沸腾但真到了产线、设计院、制造车间几乎没有一个能直接跑起来。这个现象背后不是 AI 不行而是CAD 这个领域太特殊了。它不像写文案、生成图片错了重来就行。一张 DWG 图纸背后是图层规范、标注样式、块引用、外部参照、打印样式、版本兼容性甚至还有企业内部的制图标准。AI 生成的几何体只要有一个闭合环没处理好下游的 CAM 加工、BOM 统计、装配干涉检查全部崩盘。我写这篇东西是想把“AI CAD 落地”这件事拆开揉碎讲清楚。适合谁看如果你是会写 Python 的工程师、想给设计部门引入 AI 的技术负责人、或者单纯好奇“为什么那些炫酷 Demo 我用不了”的 CAD 从业者这篇内容应该能帮你省下至少三个月的试错时间。核心关键词就几个AI、CAD、DXF、DWG、FreeCAD我会围绕它们把坑一个个标出来。先说结论AI 在 CAD 里的真正价值不在“生成”而在“理解”和“转换”。谁先把这个定位搞对谁就能先落地。2. 拆解“AI CAD”的核心技术栈与真实需求2.1 先搞清楚 CAD 数据的三种形态很多人一上来就说“我要用 AI 处理 CAD”但连 CAD 数据长什么样都没分清。我按处理难度从低到高排一下数据形态典型格式结构特点AI 处理难度纯几何交换格式DXF、STEP、IGES实体列表无历史树中原生工程格式DWG、SLDPRT、CATPart带参数、约束、特征树高栅格化图纸PDF、PNG、扫描件像素无矢量信息极高DXF 是 ASCII 或二进制描述的实体集合AI 读起来相对友好因为它是“扁平”的。DWG 是闭源二进制Autodesk 自己才完全掌握第三方库读出来的东西经常丢信息。而 PDF 扫描件就更麻烦你得先做矢量化再猜图层再补标注。我见过一个团队拿 AI 去解析扫描版机械图纸想自动生成 DXF。结果光是“识别中心线”这一步就卡了两周因为扫描件里的点划线断断续续AI 一会儿当成实线一会儿当成轮廓。最后项目黄了。提示如果你的输入是扫描件或 PDF先老老实实做图像预处理和矢量化别指望大模型一步到位。2.2 为什么 FreeCAD 成了很多人的试验田热词里出现了FreeCAD这不是偶然。FreeCAD 是开源 CAD有 Python 控制台能直接操作几何内核 OpenCascade。你想验证一个 AI 生成几何的想法用 FreeCAD 写脚本是最快的不用碰商业软件的授权和 API 限制。但 FreeCAD 也有它的脾气。比如有人搜“freecad 没有齿轮工具”其实 FreeCAD 本身确实没有内置的齿轮生成器你得装Part Design工作台里的Involute Gear插件或者自己用 Python 画渐开线。很多 AI 生成的“齿轮”代码跑不起来就是因为没处理渐开线的参数方程直接拿圆弧凑结果齿形不对啮合不了。我自己的做法是用 FreeCAD 做算法验证用商业 CAD 做最终交付。验证阶段不在乎界面只在乎几何对不对。等逻辑跑通了再通过 DXF 或 STEP 把结果导出去让商业软件接手。2.3 真实需求排序别被“一键生成”带偏我跟十几个设计部门聊过把他们的需求按优先级排了一下批量改图比如把几百张 DWG 里的标题栏公司名换掉或者统一图层颜色。格式转换DWG 转 DXF、DXF 转 SHP、EXB 转 DWG这类需求极其旺盛。图纸理解自动提取 BOM、识别标注、检查干涉。参数化生成根据表格数据批量出图比如法兰、轴套。创意生成自然语言画图这个需求排最后因为准确性要求最低。你看排前面的全是“脏活累活”不是“创意活”。AI 落地的最佳切入点恰恰是那些重复、规则明确、但人工做起来想吐的任务。比如“python 批量对 cad 修改”这个搜索词背后就是真实的生产力痛点。3. 核心细节解析AI 处理 CAD 的四个关键环节3.1 环节一文件读取——DXF 比 DWG 友好但都有坑DXF 的读取Python 里常用ezdxf。这个库成熟度不错能读能写支持大部分实体。但有几个坑我必须提醒版本差异DXF 有 R12、R2000、R2007、R2013、R2018 等多个版本。R12 是 ASCII 纯文本最好读R2018 可能包含压缩和二进制段。你读之前先确认版本。编码问题中文图层名、块名经常遇到 GBK 和 UTF-8 混用读出来乱码。ezdxf可以指定编码但得试。外部参照DXF 里的 XREF 只是路径引用实际图形不在文件里。AI 读到的只是“这里有个引用”拿不到真实几何。DWG 就更麻烦。开源方案里libredwg能读一部分但复杂图纸经常崩。商业方案有 ODAOpen Design Alliance的 SDK但授权费不便宜。我试过用dwg2dxf命令行工具先转一道再读 DXF稳定性反而更高。import ezdxf doc ezdxf.readfile(example.dxf) msp doc.modelspace() for entity in msp: if entity.dxftype() LINE: start entity.dxf.start end entity.dxf.end print(f直线: {start} - {end}) elif entity.dxftype() LWPOLYLINE: points entity.get_points() print(f多段线点数: {len(points)})这段代码看着简单但如果你拿到的 DXF 里有INSERT块引用直接遍历 modelspace 是拿不到块内实体的。你得递归展开或者用entity.virtual_entities()。很多人在这里漏了几何导致后续 AI 分析结果缺胳膊少腿。3.2 环节二几何理解——AI 需要“结构化”的输入大模型不能直接吃 DXF 文件。你得把几何转成它能理解的格式比如点云序列把多段线离散成点喂给模型。图结构把实体当成节点连接关系当成边。文本描述把几何特征翻译成自然语言比如“一个直径 50 的圆圆心在 (100, 200)”。我试过直接把 DXF 的实体列表转成 JSON 喂给大模型效果很差因为模型不理解坐标的几何意义。后来改成“先提取特征再描述”比如“图纸包含 3 个闭合轮廓最大轮廓面积 12000 平方毫米最小 800三个轮廓互不相交。”这种描述模型就能处理了可以用来做分类、检索、异常检测。关键点AI 不擅长处理原始坐标擅长处理语义特征。你得先做一层“特征工程”把几何翻译成模型能懂的词。3.3 环节三生成与修改——参数化是桥梁AI 生成 CAD 几何最靠谱的路径不是直接生成 DXF 实体而是生成参数再由参数驱动 CAD。比如用户说“画一个 M8 的螺栓”AI 输出{type: bolt, standard: M8, length: 30}。后端用 FreeCAD 或 SolidWorks API 根据参数建模。最后导出 DXF 或 STEP。这样做的好处是几何质量由 CAD 内核保证AI 只负责“翻译需求”。我见过直接让 AI 输出 DXF 代码的生成的圆弧方向经常反闭合环不闭合下游根本没法用。对于修改类任务比如“把所有直径 10 的孔改成 12”AI 的工作是识别目标实体然后调用 CAD 的 API 去改。识别这一步可以用规则也可以用模型但改的动作必须交给 CAD 内核。3.4 环节四验证与回写——最容易被忽视的一步AI 处理完图纸你得验证结果对不对。我总结了几条验证规则闭合性检查所有轮廓必须闭合否则加工会出问题。图层合规实体是否在正确的图层上颜色线型是否符合标准。标注一致性尺寸标注是否和几何匹配。版本兼容回写的 DXF 能不能被目标 CAD 软件正常打开。我踩过一个坑用ezdxf写了一个 DXF在 FreeCAD 里打开正常但发给用中望 CAD 的同事他说标注全乱了。后来发现是标注样式没写对ezdxf默认的 dimstyle 和中望的不兼容。解决办法是从模板文件复制样式而不是让库自己生成。提示回写 DXF 时尽量基于一个已有的、经过验证的模板文件修改不要从零创建。4. 实操过程一个“批量改图”项目的完整落地记录4.1 需求背景与方案选型去年帮一个做钣金的朋友处理过一批图纸。他有 400 多张 DWG是不同年代、不同人画的现在要统一标题栏、统一图层名、把过时的材料标注替换掉。人工做一个人得干两周。他问我能不能用 AI。我的判断是这个任务不需要大模型需要的是规则引擎 脚本。但可以用 AI 做辅助比如自动识别标题栏区域、自动分类图层。最终方案用dwg2dxf批量转成 DXF。用ezdxf读取定位标题栏块。用规则替换文字内容。用 AI 做异常检测找出规则没覆盖的图纸。回写 DXF再转回 DWG。为什么不用纯 AI因为 400 张图里标题栏的块名有 7 种不同写法纯规则写不全。但 AI 可以帮我聚类找出哪些块长得像标题栏。这就是“AI 辅助规则”的思路。4.2 关键步骤与参数计算第一步批量转换。我用的是 ODA 的dwg2dxf命令行工具参数如下dwg2dxf -o output.dxf -y -r 2018 input.dwg-r 2018指定输出 DXF 版本为 2018兼容性好。-y表示覆盖已有文件。第二步识别标题栏。标题栏通常是一个INSERT块名包含 “TITLE”“标题”“TB” 等关键词。但有些图纸是炸开的没有块。我的做法是先按块名筛选命中率约 70%。剩下的用几何特征筛选位于图纸右下角、宽高比在 3:1 到 6:1 之间、包含至少 5 个TEXT实体的矩形区域。这个几何筛选逻辑我一开始想用 AI 做后来发现规则就够了。能用规则的地方别上 AI这是血泪教训。第三步文字替换。标题栏里的公司名、图号、日期用ezdxf直接改TEXT或MTEXT的dxf.text属性。注意MTEXT可能有格式代码比如\A1;表示对齐替换时要保留。for entity in msp: if entity.dxftype() MTEXT: raw entity.text # 保留格式代码只替换内容 new_text raw.replace(旧公司名, 新公司名) entity.text new_text第四步AI 异常检测。我把所有图纸的实体统计特征实体数量、图层数量、文字数量、块数量做成向量用简单的聚类算法找出离群点。结果发现 12 张图纸的实体数量异常少打开一看是只画了一半的草图。这些图被挑出来人工处理避免了批量脚本把错误放大。4.3 实操现场记录与耗时整个项目我记录了时间阶段耗时备注环境搭建2 小时装 ODA 工具、Python 库批量转换40 分钟400 张图平均 6 秒一张规则开发1 天调试块名匹配、文字替换AI 异常检测3 小时特征提取 聚类人工复核半天检查 12 张异常图回写与验证2 小时转回 DWG抽查 20 张总计约 2.5 天比人工两周快了很多。但注意这 2.5 天里AI 只占了 3 小时。大部分时间花在规则开发和验证上。这就是落地的真相AI 是配角工程是主角。5. 常见问题与排查技巧实录5.1 问题速查表问题现象可能原因排查方法解决方案DXF 读取报错版本不兼容或文件损坏用 CAD 软件打开确认转成 R12 或 R2018 再读中文乱码编码不一致检查文件头$DWGCODEPAGE指定ezdxf编码参数块内实体丢失未展开 INSERT遍历时检查dxftype用virtual_entities()回写后标注错乱标注样式缺失对比模板文件从模板复制 dimstyleAI 生成几何不闭合直接生成实体检查端点坐标改用参数驱动 CAD批量脚本中途崩溃单张图异常加 try-except 和日志跳过异常图记录待查DWG 转 DXF 丢图层转换工具限制对比转换前后图层表换 ODA 或商业转换器FreeCAD 脚本无响应几何运算量大检查是否死循环分步执行加超时5.2 独家避坑技巧技巧一永远保留原始文件。批量处理前先复制一份原始 DWG 到备份目录。我见过有人直接覆盖结果脚本有 bug400 张图全废只能从打印的 PDF 里重新描。这个教训值多少钱你自己算。技巧二先拿 10 张图做试点。不要一上来就跑全量。选 10 张有代表性的图跑通流程确认输出没问题再放大。这 10 张图要覆盖不同年代、不同画图人、不同模板。技巧三日志比代码重要。批量脚本一定要写日志记录每张图的处理状态、耗时、异常信息。出问题时日志能帮你快速定位是哪张图、哪一步出的错。技巧四AI 的输出必须可解释。如果 AI 说“这张图有问题”你得能问出“为什么”。用聚类做异常检测时我会把离群点的特征打印出来比如“实体数量只有平均值的 10%”这样人工复核时有的放矢。技巧五别碰你不懂的领域。我见过一个做建筑的团队想用 AI 处理机械图纸结果连“公差配合”都搞不清生成的标注完全不符合机械制图标准。AI 是工具领域知识才是核心。你不懂 CAD就别指望 AI 帮你懂。5.3 关于“AI 无禁词聊天”类热词的冷思考热词里有一堆“ai 无禁词聊天”“无限制 ai”之类的词这跟 CAD 落地其实没关系但反映了一个心态很多人希望 AI 是“万能”的没有限制什么都能干。但工程领域的现实恰恰相反限制越多落地越稳。CAD 有标准、有规范、有图层、有版本这些“限制”不是障碍是保障。你想绕过它们结果就是 Demo 好看工程崩溃。我个人的态度是在规则明确的地方用 AI 提效在规则模糊的地方用人把关。别追求“全自动”追求“半自动 人工复核”落地成功率会高很多。6. 工具选型与生态现状别重复造轮子6.1 开源方案与商业方案的取舍工具/库类型适用场景注意事项ezdxfPython 库DXF 读写不支持 DWG复杂实体需测试FreeCAD开源 CAD算法验证、参数建模齿轮等工具需插件OpenCascade几何内核底层几何运算学习曲线陡libredwg开源库DWG 读取复杂图纸稳定性一般ODA SDK商业 SDKDWG 全功能处理授权费用高dwg2dxf命令行工具批量转换依赖 ODA 运行时中望 CAD API商业 API国产 CAD 自动化生态相对封闭我的建议是验证阶段用开源生产阶段用商业。开源方案灵活、免费适合试错。但到了产线稳定性和兼容性更重要该花钱就花钱。ODA 的授权虽然贵但能省下大量调试时间算总账是划算的。6.2 关于“CAD 卸载工具”“CAD 安装教程”类搜索的联想热词里有“cad 卸载工具”“cad 安装教程”说明很多人在环境搭建上就卡住了。这其实是个信号CAD 生态的碎片化本身就是 AI 落地的障碍。不同版本、不同厂商、不同插件环境千差万别。你写的脚本在你这跑得通换台机器就崩。所以我在做方案时会尽量容器化。把 Python 环境、依赖库、转换工具打包成 Docker 镜像换机器直接跑。虽然 CAD 软件本身不好容器化但处理脚本可以。这样至少保证“处理逻辑”是可复现的。6.3 一个被低估的方向图纸检索与知识管理热词里有“专利相关辅助链接 ai 辅助”这让我想到一个场景设计院和制造企业有大量历史图纸想找“类似结构”的参考图靠文件名搜索根本找不到。这时候 AI 的语义理解能力就有用了。做法是把图纸的几何特征和文字标注提取出来做成向量索引。用户输入“直径 50 的法兰盘带 4 个螺栓孔”系统返回相似图纸。这个需求真实、明确而且不要求 AI 生成几何只要求它理解几何。落地难度比“AI 画图”低一个数量级。我试过用 FreeCAD 提取几何特征再用简单的文本嵌入模型做检索效果已经能用了。关键是特征提取要稳定不能今天提 10 个特征明天提 8 个。7. 我对“AI CAD”落地节奏的判断做了这几个项目之后我的判断是未来两年AI 在 CAD 领域的落地会集中在“辅助”而不是“替代”。具体来说批量处理类改图、转换、检查这些会快速普及因为规则明确AI 只是加速器。检索类图纸搜索、相似推荐会逐步成熟因为需求真实技术门槛适中。生成类自然语言画图、创意设计还会停留在 Demo 阶段因为准确性达不到工程要求。理解类自动读图、提取 BOM会缓慢推进因为图纸的多样性太强模型泛化能力还不够。如果你现在想入局我的建议是从“批量改图”和“图纸检索”切入别碰“一键生成”。前者能快速产生价值后者会让你陷入无尽的调试。最后分享一个小技巧做 AI CAD 项目时先问自己“如果 AI 错了后果是什么”。如果后果是“人工改一下就行”那可以大胆用 AI。如果后果是“整批图纸报废”那就老老实实写规则AI 只做辅助检查。这个判断标准帮我避开了很多坑。至于 FreeCAD 的齿轮工具、DXF 的版本兼容、DWG 的读取难题这些具体问题都会随着生态成熟慢慢解决。但“工程思维”这件事AI 替不了你。你得自己懂 CAD才能让 AI 帮你干活。
1. 为什么“AI CAD”看起来很美落地却处处碰壁过去两年我参与过三个跟“AI 辅助 CAD”相关的内部项目也帮朋友的公司做过几次技术选型评估。一个非常明显的感受是Demo 满天飞工程走不通。你在网上能看到大量“上传一张户型图自动生成 DXF”“用自然语言画齿轮”“AI 一键改图”的演示视频评论区一片沸腾但真到了产线、设计院、制造车间几乎没有一个能直接跑起来。这个现象背后不是 AI 不行而是CAD 这个领域太特殊了。它不像写文案、生成图片错了重来就行。一张 DWG 图纸背后是图层规范、标注样式、块引用、外部参照、打印样式、版本兼容性甚至还有企业内部的制图标准。AI 生成的几何体只要有一个闭合环没处理好下游的 CAM 加工、BOM 统计、装配干涉检查全部崩盘。我写这篇东西是想把“AI CAD 落地”这件事拆开揉碎讲清楚。适合谁看如果你是会写 Python 的工程师、想给设计部门引入 AI 的技术负责人、或者单纯好奇“为什么那些炫酷 Demo 我用不了”的 CAD 从业者这篇内容应该能帮你省下至少三个月的试错时间。核心关键词就几个AI、CAD、DXF、DWG、FreeCAD我会围绕它们把坑一个个标出来。先说结论AI 在 CAD 里的真正价值不在“生成”而在“理解”和“转换”。谁先把这个定位搞对谁就能先落地。2. 拆解“AI CAD”的核心技术栈与真实需求2.1 先搞清楚 CAD 数据的三种形态很多人一上来就说“我要用 AI 处理 CAD”但连 CAD 数据长什么样都没分清。我按处理难度从低到高排一下数据形态典型格式结构特点AI 处理难度纯几何交换格式DXF、STEP、IGES实体列表无历史树中原生工程格式DWG、SLDPRT、CATPart带参数、约束、特征树高栅格化图纸PDF、PNG、扫描件像素无矢量信息极高DXF 是 ASCII 或二进制描述的实体集合AI 读起来相对友好因为它是“扁平”的。DWG 是闭源二进制Autodesk 自己才完全掌握第三方库读出来的东西经常丢信息。而 PDF 扫描件就更麻烦你得先做矢量化再猜图层再补标注。我见过一个团队拿 AI 去解析扫描版机械图纸想自动生成 DXF。结果光是“识别中心线”这一步就卡了两周因为扫描件里的点划线断断续续AI 一会儿当成实线一会儿当成轮廓。最后项目黄了。提示如果你的输入是扫描件或 PDF先老老实实做图像预处理和矢量化别指望大模型一步到位。2.2 为什么 FreeCAD 成了很多人的试验田热词里出现了FreeCAD这不是偶然。FreeCAD 是开源 CAD有 Python 控制台能直接操作几何内核 OpenCascade。你想验证一个 AI 生成几何的想法用 FreeCAD 写脚本是最快的不用碰商业软件的授权和 API 限制。但 FreeCAD 也有它的脾气。比如有人搜“freecad 没有齿轮工具”其实 FreeCAD 本身确实没有内置的齿轮生成器你得装Part Design工作台里的Involute Gear插件或者自己用 Python 画渐开线。很多 AI 生成的“齿轮”代码跑不起来就是因为没处理渐开线的参数方程直接拿圆弧凑结果齿形不对啮合不了。我自己的做法是用 FreeCAD 做算法验证用商业 CAD 做最终交付。验证阶段不在乎界面只在乎几何对不对。等逻辑跑通了再通过 DXF 或 STEP 把结果导出去让商业软件接手。2.3 真实需求排序别被“一键生成”带偏我跟十几个设计部门聊过把他们的需求按优先级排了一下批量改图比如把几百张 DWG 里的标题栏公司名换掉或者统一图层颜色。格式转换DWG 转 DXF、DXF 转 SHP、EXB 转 DWG这类需求极其旺盛。图纸理解自动提取 BOM、识别标注、检查干涉。参数化生成根据表格数据批量出图比如法兰、轴套。创意生成自然语言画图这个需求排最后因为准确性要求最低。你看排前面的全是“脏活累活”不是“创意活”。AI 落地的最佳切入点恰恰是那些重复、规则明确、但人工做起来想吐的任务。比如“python 批量对 cad 修改”这个搜索词背后就是真实的生产力痛点。3. 核心细节解析AI 处理 CAD 的四个关键环节3.1 环节一文件读取——DXF 比 DWG 友好但都有坑DXF 的读取Python 里常用ezdxf。这个库成熟度不错能读能写支持大部分实体。但有几个坑我必须提醒版本差异DXF 有 R12、R2000、R2007、R2013、R2018 等多个版本。R12 是 ASCII 纯文本最好读R2018 可能包含压缩和二进制段。你读之前先确认版本。编码问题中文图层名、块名经常遇到 GBK 和 UTF-8 混用读出来乱码。ezdxf可以指定编码但得试。外部参照DXF 里的 XREF 只是路径引用实际图形不在文件里。AI 读到的只是“这里有个引用”拿不到真实几何。DWG 就更麻烦。开源方案里libredwg能读一部分但复杂图纸经常崩。商业方案有 ODAOpen Design Alliance的 SDK但授权费不便宜。我试过用dwg2dxf命令行工具先转一道再读 DXF稳定性反而更高。import ezdxf doc ezdxf.readfile(example.dxf) msp doc.modelspace() for entity in msp: if entity.dxftype() LINE: start entity.dxf.start end entity.dxf.end print(f直线: {start} - {end}) elif entity.dxftype() LWPOLYLINE: points entity.get_points() print(f多段线点数: {len(points)})这段代码看着简单但如果你拿到的 DXF 里有INSERT块引用直接遍历 modelspace 是拿不到块内实体的。你得递归展开或者用entity.virtual_entities()。很多人在这里漏了几何导致后续 AI 分析结果缺胳膊少腿。3.2 环节二几何理解——AI 需要“结构化”的输入大模型不能直接吃 DXF 文件。你得把几何转成它能理解的格式比如点云序列把多段线离散成点喂给模型。图结构把实体当成节点连接关系当成边。文本描述把几何特征翻译成自然语言比如“一个直径 50 的圆圆心在 (100, 200)”。我试过直接把 DXF 的实体列表转成 JSON 喂给大模型效果很差因为模型不理解坐标的几何意义。后来改成“先提取特征再描述”比如“图纸包含 3 个闭合轮廓最大轮廓面积 12000 平方毫米最小 800三个轮廓互不相交。”这种描述模型就能处理了可以用来做分类、检索、异常检测。关键点AI 不擅长处理原始坐标擅长处理语义特征。你得先做一层“特征工程”把几何翻译成模型能懂的词。3.3 环节三生成与修改——参数化是桥梁AI 生成 CAD 几何最靠谱的路径不是直接生成 DXF 实体而是生成参数再由参数驱动 CAD。比如用户说“画一个 M8 的螺栓”AI 输出{type: bolt, standard: M8, length: 30}。后端用 FreeCAD 或 SolidWorks API 根据参数建模。最后导出 DXF 或 STEP。这样做的好处是几何质量由 CAD 内核保证AI 只负责“翻译需求”。我见过直接让 AI 输出 DXF 代码的生成的圆弧方向经常反闭合环不闭合下游根本没法用。对于修改类任务比如“把所有直径 10 的孔改成 12”AI 的工作是识别目标实体然后调用 CAD 的 API 去改。识别这一步可以用规则也可以用模型但改的动作必须交给 CAD 内核。3.4 环节四验证与回写——最容易被忽视的一步AI 处理完图纸你得验证结果对不对。我总结了几条验证规则闭合性检查所有轮廓必须闭合否则加工会出问题。图层合规实体是否在正确的图层上颜色线型是否符合标准。标注一致性尺寸标注是否和几何匹配。版本兼容回写的 DXF 能不能被目标 CAD 软件正常打开。我踩过一个坑用ezdxf写了一个 DXF在 FreeCAD 里打开正常但发给用中望 CAD 的同事他说标注全乱了。后来发现是标注样式没写对ezdxf默认的 dimstyle 和中望的不兼容。解决办法是从模板文件复制样式而不是让库自己生成。提示回写 DXF 时尽量基于一个已有的、经过验证的模板文件修改不要从零创建。4. 实操过程一个“批量改图”项目的完整落地记录4.1 需求背景与方案选型去年帮一个做钣金的朋友处理过一批图纸。他有 400 多张 DWG是不同年代、不同人画的现在要统一标题栏、统一图层名、把过时的材料标注替换掉。人工做一个人得干两周。他问我能不能用 AI。我的判断是这个任务不需要大模型需要的是规则引擎 脚本。但可以用 AI 做辅助比如自动识别标题栏区域、自动分类图层。最终方案用dwg2dxf批量转成 DXF。用ezdxf读取定位标题栏块。用规则替换文字内容。用 AI 做异常检测找出规则没覆盖的图纸。回写 DXF再转回 DWG。为什么不用纯 AI因为 400 张图里标题栏的块名有 7 种不同写法纯规则写不全。但 AI 可以帮我聚类找出哪些块长得像标题栏。这就是“AI 辅助规则”的思路。4.2 关键步骤与参数计算第一步批量转换。我用的是 ODA 的dwg2dxf命令行工具参数如下dwg2dxf -o output.dxf -y -r 2018 input.dwg-r 2018指定输出 DXF 版本为 2018兼容性好。-y表示覆盖已有文件。第二步识别标题栏。标题栏通常是一个INSERT块名包含 “TITLE”“标题”“TB” 等关键词。但有些图纸是炸开的没有块。我的做法是先按块名筛选命中率约 70%。剩下的用几何特征筛选位于图纸右下角、宽高比在 3:1 到 6:1 之间、包含至少 5 个TEXT实体的矩形区域。这个几何筛选逻辑我一开始想用 AI 做后来发现规则就够了。能用规则的地方别上 AI这是血泪教训。第三步文字替换。标题栏里的公司名、图号、日期用ezdxf直接改TEXT或MTEXT的dxf.text属性。注意MTEXT可能有格式代码比如\A1;表示对齐替换时要保留。for entity in msp: if entity.dxftype() MTEXT: raw entity.text # 保留格式代码只替换内容 new_text raw.replace(旧公司名, 新公司名) entity.text new_text第四步AI 异常检测。我把所有图纸的实体统计特征实体数量、图层数量、文字数量、块数量做成向量用简单的聚类算法找出离群点。结果发现 12 张图纸的实体数量异常少打开一看是只画了一半的草图。这些图被挑出来人工处理避免了批量脚本把错误放大。4.3 实操现场记录与耗时整个项目我记录了时间阶段耗时备注环境搭建2 小时装 ODA 工具、Python 库批量转换40 分钟400 张图平均 6 秒一张规则开发1 天调试块名匹配、文字替换AI 异常检测3 小时特征提取 聚类人工复核半天检查 12 张异常图回写与验证2 小时转回 DWG抽查 20 张总计约 2.5 天比人工两周快了很多。但注意这 2.5 天里AI 只占了 3 小时。大部分时间花在规则开发和验证上。这就是落地的真相AI 是配角工程是主角。5. 常见问题与排查技巧实录5.1 问题速查表问题现象可能原因排查方法解决方案DXF 读取报错版本不兼容或文件损坏用 CAD 软件打开确认转成 R12 或 R2018 再读中文乱码编码不一致检查文件头$DWGCODEPAGE指定ezdxf编码参数块内实体丢失未展开 INSERT遍历时检查dxftype用virtual_entities()回写后标注错乱标注样式缺失对比模板文件从模板复制 dimstyleAI 生成几何不闭合直接生成实体检查端点坐标改用参数驱动 CAD批量脚本中途崩溃单张图异常加 try-except 和日志跳过异常图记录待查DWG 转 DXF 丢图层转换工具限制对比转换前后图层表换 ODA 或商业转换器FreeCAD 脚本无响应几何运算量大检查是否死循环分步执行加超时5.2 独家避坑技巧技巧一永远保留原始文件。批量处理前先复制一份原始 DWG 到备份目录。我见过有人直接覆盖结果脚本有 bug400 张图全废只能从打印的 PDF 里重新描。这个教训值多少钱你自己算。技巧二先拿 10 张图做试点。不要一上来就跑全量。选 10 张有代表性的图跑通流程确认输出没问题再放大。这 10 张图要覆盖不同年代、不同画图人、不同模板。技巧三日志比代码重要。批量脚本一定要写日志记录每张图的处理状态、耗时、异常信息。出问题时日志能帮你快速定位是哪张图、哪一步出的错。技巧四AI 的输出必须可解释。如果 AI 说“这张图有问题”你得能问出“为什么”。用聚类做异常检测时我会把离群点的特征打印出来比如“实体数量只有平均值的 10%”这样人工复核时有的放矢。技巧五别碰你不懂的领域。我见过一个做建筑的团队想用 AI 处理机械图纸结果连“公差配合”都搞不清生成的标注完全不符合机械制图标准。AI 是工具领域知识才是核心。你不懂 CAD就别指望 AI 帮你懂。5.3 关于“AI 无禁词聊天”类热词的冷思考热词里有一堆“ai 无禁词聊天”“无限制 ai”之类的词这跟 CAD 落地其实没关系但反映了一个心态很多人希望 AI 是“万能”的没有限制什么都能干。但工程领域的现实恰恰相反限制越多落地越稳。CAD 有标准、有规范、有图层、有版本这些“限制”不是障碍是保障。你想绕过它们结果就是 Demo 好看工程崩溃。我个人的态度是在规则明确的地方用 AI 提效在规则模糊的地方用人把关。别追求“全自动”追求“半自动 人工复核”落地成功率会高很多。6. 工具选型与生态现状别重复造轮子6.1 开源方案与商业方案的取舍工具/库类型适用场景注意事项ezdxfPython 库DXF 读写不支持 DWG复杂实体需测试FreeCAD开源 CAD算法验证、参数建模齿轮等工具需插件OpenCascade几何内核底层几何运算学习曲线陡libredwg开源库DWG 读取复杂图纸稳定性一般ODA SDK商业 SDKDWG 全功能处理授权费用高dwg2dxf命令行工具批量转换依赖 ODA 运行时中望 CAD API商业 API国产 CAD 自动化生态相对封闭我的建议是验证阶段用开源生产阶段用商业。开源方案灵活、免费适合试错。但到了产线稳定性和兼容性更重要该花钱就花钱。ODA 的授权虽然贵但能省下大量调试时间算总账是划算的。6.2 关于“CAD 卸载工具”“CAD 安装教程”类搜索的联想热词里有“cad 卸载工具”“cad 安装教程”说明很多人在环境搭建上就卡住了。这其实是个信号CAD 生态的碎片化本身就是 AI 落地的障碍。不同版本、不同厂商、不同插件环境千差万别。你写的脚本在你这跑得通换台机器就崩。所以我在做方案时会尽量容器化。把 Python 环境、依赖库、转换工具打包成 Docker 镜像换机器直接跑。虽然 CAD 软件本身不好容器化但处理脚本可以。这样至少保证“处理逻辑”是可复现的。6.3 一个被低估的方向图纸检索与知识管理热词里有“专利相关辅助链接 ai 辅助”这让我想到一个场景设计院和制造企业有大量历史图纸想找“类似结构”的参考图靠文件名搜索根本找不到。这时候 AI 的语义理解能力就有用了。做法是把图纸的几何特征和文字标注提取出来做成向量索引。用户输入“直径 50 的法兰盘带 4 个螺栓孔”系统返回相似图纸。这个需求真实、明确而且不要求 AI 生成几何只要求它理解几何。落地难度比“AI 画图”低一个数量级。我试过用 FreeCAD 提取几何特征再用简单的文本嵌入模型做检索效果已经能用了。关键是特征提取要稳定不能今天提 10 个特征明天提 8 个。7. 我对“AI CAD”落地节奏的判断做了这几个项目之后我的判断是未来两年AI 在 CAD 领域的落地会集中在“辅助”而不是“替代”。具体来说批量处理类改图、转换、检查这些会快速普及因为规则明确AI 只是加速器。检索类图纸搜索、相似推荐会逐步成熟因为需求真实技术门槛适中。生成类自然语言画图、创意设计还会停留在 Demo 阶段因为准确性达不到工程要求。理解类自动读图、提取 BOM会缓慢推进因为图纸的多样性太强模型泛化能力还不够。如果你现在想入局我的建议是从“批量改图”和“图纸检索”切入别碰“一键生成”。前者能快速产生价值后者会让你陷入无尽的调试。最后分享一个小技巧做 AI CAD 项目时先问自己“如果 AI 错了后果是什么”。如果后果是“人工改一下就行”那可以大胆用 AI。如果后果是“整批图纸报废”那就老老实实写规则AI 只做辅助检查。这个判断标准帮我避开了很多坑。至于 FreeCAD 的齿轮工具、DXF 的版本兼容、DWG 的读取难题这些具体问题都会随着生态成熟慢慢解决。但“工程思维”这件事AI 替不了你。你得自己懂 CAD才能让 AI 帮你干活。
